[发明专利]图像处理方法、装置、计算机设备和存储介质

说明书

本申请涉及一种图像处理方法、装置、计算机设备和存储介质。所述方法包括：获取戴眼镜图像；将所述戴眼镜图像输入至已训练的眼镜去除模型中，通过所述眼镜去除模型对所述戴眼镜图像进行特征提取，得到所述戴眼镜图像的特征向量；获取通过所述眼镜去除模型预测得到的眼镜去除方向的方向向量；通过所述眼镜去除模型将所述眼镜去除方向的方向向量叠加至所述特征向量中；通过所述眼镜去除模型对叠加后的向量进行图像重建，得到所述戴眼镜图像对应的眼镜去除图像。采用本方法能够提高眼镜去除图像的准确性。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种图像处理方法、装置、计算机设备和存储介质。

背景技术

随着图像处理技术的发展，图像处理技术的应用也越来越广泛。例如，在人脸识别领域中，由于人脸结构的特征性，面部遮挡会对人脸识别结果造成较大的影响。当待识别的人员佩戴有眼镜时，需要对采集到的人脸图像进行眼镜去除处理，再进行人脸识别。传统的眼镜去除模型在修正提取的人脸特征时，会导致非眼镜区域的特征发生变化，致使生成的眼镜去除图像的准确性较低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高眼镜去除图像准确性的图像处理方法、装置、计算机设备和存储介质。

一种图像处理方法，所述方法包括：

获取戴眼镜图像；

将所述戴眼镜图像输入至已训练的眼镜去除模型中，通过所述眼镜去除模型对所述戴眼镜图像进行特征提取，得到所述戴眼镜图像的特征向量；

获取通过所述眼镜去除模型预测得到的眼镜去除方向的方向向量；

通过所述眼镜去除模型将所述眼镜去除方向的方向向量叠加至所述特征向量中；

通过所述眼镜去除模型对叠加后的向量进行图像重建，得到所述戴眼镜图像对应的眼镜去除图像。

在其中一个实施例中，在所述获取戴眼镜图像之前，所述方法还包括：

获取样本图像集；

将所述样本图像集输入至循环生成对抗网络模型的生成网络中，得到包含所述样本图像集对应的重建图像集的第一输出结果；所述样本图像集中各样本图像与所述重建图像集中相应重建图像的图像风格是相同的；

将所述样本图像集以及所述第一输出结果中的重建图像集输入至所述循环生成对抗网络模型的判别网络中，得到第二输出结果；

根据所述样本图像集、所述第一输出结果以及所述第二输出结果计算所述循环生成式对抗网络模型的生成网络损失值；

根据所述生成网络损失值更新所述生成网络的网络参数，直至满足预设条件，将更新后的生成网络确定为已训练的眼镜去除模型。

在其中一个实施例中，所述循环生成对抗网络模型的生成网络包括编码器和解码器；所述将所述样本图像集输入至循环生成对抗网络模型的生成网络中，得到包含所述样本图像集对应的重建图像集的第一输出结果包括：

将所述样本图像集输入至所述循环生成对抗网络模型的生成网络中，通过所述生成网络的编码器提取所述样本图像集的样本特征；

通过所述生成网络的解码器根据所述样本特征生成所述样本图像集对应的重建图像集；

通过所述编码器提取所述重建图像集的重建特征，根据所述样本图像集、所述样本特征、所述重建图像集以及所述重建特征生成第一输出结果。

在其中一个实施例中，所述编码器为基于注意力的特征金字塔网络，所述通过所述生成网络的编码器提取所述样本图像集的样本特征包括：

通过所述生成网络中基于注意力的特征金字塔网络提取所述样本图像集中眼镜区域的多尺度特征，将提取的多尺度特征进行组合，得到所述样本图像集的样本特征；